Prime Intellect ha annunciato prime‑rl versione 0.10.0 insieme a verifiers 0.4.0. L’aggiornamento imposta come predefinita per l’apprendimento per rinforzo asincrono la nuova loss IPO (INTELLECT Policy Optimization), che sostituisce la precedente loss basata su DPPO. Include anche ottimizzazioni che rendono il training fino a 1.15× più veloce su modelli di grandi dimensioni come Qwen3‑235B‑A22B e aggiungono il supporto per nuove architetture, tra cui DeepSeek V4 Flash e Qwen‑VL.
Perché conta
I ricercatori possono addestrare modelli linguistici di grandi dimensioni un po’ più rapidamente e con una loss RL più stabile, riducendo il rischio che il training collassi.
